模型行为分析

研究发现，即使任务前提被违反，开源大模型 Qwen3-8B 在生成答案前就可能提前“锁定”错误选项，后续推理仅为合理化该选择。

研究发现大语言模型存在句子级上下文同化现象，即提示中的句子会显著提升自身在推理时的生成概率，且该现象可通过调控少数注意力头进行抑制。